<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>حسابداری، امور مالی و هوش محاسباتی</JournalTitle>
      <Issn>3092-7366</Issn>
      <Volume>4</Volume>
      <Issue>تیر 1405</Issue>
      <PubDate PubStatus="epublish">
        <Year>1405</Year>
        <Month>04</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Developing an Investment Efficiency Prediction Model Using Meta-Analysis and Comparing Its Predictive Power with the Model of Biddle et al. (2009)</ArticleTitle>
    <VernacularTitle>توسعه مدل پیش بینی کارایی سرمایه‌گذاری با رویکرد فراتحلیل و مقایسه قدرت پیش بینی آن با مدل بیدل و همکاران (2009)</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>18</LastPage>
    <ELocationID EIdType="doi">10.61838/jafci.241</ELocationID>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>احمد جبير </FirstName>
        <LastName>لفته </LastName>
        <Affiliation>دانشجوى دكتری، گروه حسابداری، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران </Affiliation>
      </Author>
      <Author>
        <FirstName>حسین</FirstName>
        <LastName>عسکری آلوج</LastName>
        <Affiliation>گروه حسابداري، واحد بيله سوار، دانشگاه آزاد اسلامی، بيله سوار، ايران</Affiliation>
      </Author>
      <Author>
        <FirstName>مصطفى عبد الحسين علي </FirstName>
        <LastName> المنصوري</LastName>
        <Affiliation>	گروه حسابدارى، دانشکده مديرت و اقتصاد، دانشگاه المثنى، سماوه، عراق</Affiliation>
      </Author>
      <Author>
        <FirstName>محمد </FirstName>
        <LastName>علیمرادی </LastName>
        <Affiliation>گروه حسابداری، واحد اصفهان(خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1404/04/27</Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aims to develop a predictive model for investment efficiency using a meta-analysis approach and compare its predictive power with the model of Biddle et al. (2009). The study employed a meta-analysis approach to develop the predictive model. 33 articles out of 85 were selected to identify the factors influencing investment efficiency. The baseline model and the developed model were compared using neural network methods to evaluate their predictive accuracy. The Wilcoxon test was also used to assess the significance of the results. The results indicated that the developed model, using 13 input features, achieved higher predictive accuracy than the baseline model, which only used one feature. The developed model explained 75.75% of the variance in the target variable with an R² of 0.7575, while the baseline model explained only 3.7% of the variance. The Wilcoxon test confirmed a significant difference in the predictive accuracy between the two models. The developed model, incorporating diverse and complex variables, provided a more accurate prediction of investment efficiency in companies listed on the Tehran Stock Exchange. It is recommended that this model be used in investment decision-making processes.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;این پژوهش به دنبال توسعه مدلی برای پیش‌بینی کارایی سرمایه‌گذاری با استفاده از رویکرد فراتحلیل و مقایسه آن با مدل بیدل و همکاران (2009) است. پژوهش حاضر از روش فراتحلیل برای توسعه مدل پیشبینی استفاده کرده است. 33 مقاله از مجموع 85 مقاله موجود در زمینه کارایی سرمایه‌گذاری برای شناسایی عوامل موثر انتخاب شد. سپس مدل پایه‌ای و مدل توسعه‌یافته با استفاده از روش شبکه عصبی مورد مقایسه قرار گرفت تا دقت پیش‌بینی آن‌ها ارزیابی شود. آزمون ویلکاکسون نیز برای بررسی معناداری نتایج استفاده شد. نتایج نشان داد که مدل توسعه‌یافته با 13 ویژگی ورودی، توانست دقت پیش‌بینی بیشتری نسبت به مدل پایه که تنها از یک ویژگی استفاده می‌کرد، ارائه دهد. مدل توسعه‌یافته با ضریب تعیین 0.7575 بیش از 75 درصد از واریانس متغیر هدف را توضیح داد، در حالی که مدل پایه تنها 3.7 درصد از واریانس را توضیح داد. نتایج آزمون ویلکاکسون نیز نشان‌دهنده تفاوت معنادار در دقت پیش‌بینی دو مدل بود. مدل توسعه‌یافته با استفاده از متغیرهای متنوع و پیچیده، توانسته است پیش‌بینی دقیق‌تری از کارایی سرمایه‌گذاری در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران ارائه دهد. پیشنهاد می‌شود که این مدل در فرآیندهای تصمیم‌گیری سرمایه‌گذاری به‌کار گرفته شود.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">کارایی سرمایه‌گذاری</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">فراتحلیل</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدل بیدل و همکاران</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">شبکه عصبی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">پیش‌بینی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Investment efficiency</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">meta-analysis</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Biddle et al</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">model</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">neural network</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">prediction</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://jafci.com/index.php/jafci/article/download/241/148</ArchiveCopySource>
  </Article>
</ArticleSet>
